في مختبر يستقبل عينات parasitology بشكل يومي، المشكلة لا تبدأ عند رؤية الطفيلي تحت المجهر. المشكلة تبدأ قبل ذلك: عدد الشرائح، تفاوت جودة التحضير، الوقت الذي يضيع في الفحص السلبي، والحاجة إلى إبقاء الحالات المشكوك بها أمام عين طبيب الباثولوجي أو فريق المختبر الخبير بدل أن تضيع داخل روتين متكرر.
خبر Techcyte عن تطبيق Techcyte Fusion® Parasitology Suite في M Health Fairview مهم من هذه الزاوية. الإعلان يتحدث عن نظام AI خاص بالـ parasitology، مستخدم ضمن بيئة أكاديمية صحية، وبصفة RUO. لذلك لا ينبغي قراءة الخبر كإثبات تشخيصي نهائي أو كبديل لقرار المختبر. القراءة الأدق لطبيب الباثولوجي هي أن هذا النوع من الأدوات ينتقل من فكرة العرض التقني إلى سؤال يومي داخل المختبر: أين يوضع AI في مسار العينة؟ ومن يراجع الناتج؟ وكيف نمنع الأداة من إضافة شاشة جديدة بلا فائدة؟
المشكلة العملية في parasitology ليست نادرة كما تبدو
كثير من أقسام الباثولوجي لا ترى parasitology كأولوية رقمية مقارنة بالـ H&E أو IHC أو cytology. لكن العمل نفسه يحمل عبئاً خاصاً. الفحص قد يكون متكرراً، حساساً لجودة العينة، ومتأثراً بخبرة الشخص الذي يراجع الشريحة. في الحالات السلبية، يستهلك المختبر وقتاً كبيراً كي يثبت غياب الموجودات المهمة. وفي الحالات الإيجابية أو المشكوك بها، يحتاج الفريق إلى إظهار الموضع المناسب بسرعة كي لا تتحول المراجعة إلى بحث طويل داخل كامل الشريحة.
هنا تظهر قيمة AI عندما يكون دوره محدداً. ليس مطلوباً منه أن يكتب التقرير. المطلوب أن يساعد المختبر على ترتيب العمل: يحدد مناطق تستحق مراجعة قريبة، يقلل الوقت في الشرائح السلبية الواضحة، ويترك لطبيب الباثولوجي أو المختص المسؤول فرصة تقييم الصورة ضمن سياق العينة والمريض وطريقة التحضير.
ما الذي نعرفه من الإعلان؟
حسب الخبر المنشور في Pathology News، طبقت M Health Fairview، وهي منظومة صحية أكاديمية، حزمة Techcyte Fusion® Parasitology Suite بصفة Research Use Only. الإعلان يربط التطبيق بتقييم التقنيات الجديدة في laboratory medicine وبالحاجة إلى التعامل مع تغير مسارات العمل في parasitology.
هذه التفاصيل قليلة، لكنها كافية لبناء سؤال عملي. عندما يدخل نظام من هذا النوع إلى مختبر أكاديمي، فإن القيمة لا تقاس باسم الشركة أو بوجود كلمة AI في العنوان. القيمة تقاس بما يحدث للعينة بعد المسح: هل تظهر الحالات المحتملة في queue واضح؟ هل يستطيع المراجع الرجوع إلى الصورة الأصلية بسهولة؟ هل يحتفظ المختبر بسجل لما اقترحه النظام وما قبله الإنسان أو رفضه؟ وهل يمكن ربط الناتج مع LIS أو image management system من دون نسخ يدوي مرهق؟
موضع AI داخل المسار أهم من اسم الخوارزمية
أي تطبيق عملي يبدأ من لحظة دخول الشريحة إلى مسار رقمي. يجب أن تكون العينة ممسوحة بجودة كافية، وأن تكون بياناتها مرتبطة بالطلب الصحيح، وأن يعرف الفريق هل الأداة تفحص كل الشرائح أم نوعاً محدداً من العينات. بعدها يأتي السؤال الأصعب: كيف تظهر النتيجة أمام الشخص المسؤول؟
إذا كان النظام يعطي قائمة مناطق مشتبهة، فطبيب الباثولوجي يحتاج إلى viewer يسمح بالانتقال السريع بين هذه المناطق مع تكبير مناسب وسياق كامل للشريحة. وإذا كان النظام يعطي score أو إشارة للفرز، فيجب أن تكون الإشارة قابلة للمراجعة، لا رقماً معزولاً. وفي كل الحالات، يجب أن يبقى القرار النهائي داخل سياسة المختبر، مع توثيق واضح لما حدث.
هذا مهم خصوصاً في parasitology، لأن الخطأ لا يكون دائماً درامياً في الصورة. أحياناً المشكلة في artefact، أو في اختلاف التحضير، أو في كثافة منخفضة للموجودات. AI الذي لا يترك أثراً قابلاً للمراجعة قد يربك العمل بدل أن يساعده. أما النظام الذي يضع مواضع محددة أمام عين المراجع، مع حفظ الصورة والقرار، فيمكن أن يصبح جزءاً من ضبط الجودة اليومي.
لماذا تهم صفة RUO لطبيب الباثولوجي؟
وجود صفة RUO يعني أن المختبر يجب أن يتعامل مع الأداة ضمن حدود واضحة. لا توجد في الإعلان أرقام أداء منشورة، ولا تفاصيل عن تصميم دراسة تحقق سريري، ولا ادعاء بأن الحزمة مخصصة للاستخدام التشخيصي النهائي في كل بيئة. لذلك يحتاج أي مختبر يفكر في مسار مشابه إلى خطة تحقق محلية قبل إدخال الناتج في قرار يؤثر على التقرير.
التحقق المحلي لا يحتاج إلى أن يكون ورقة بحثية ضخمة في بدايته، لكنه يجب أن يكون منضبطاً. على المختبر أن يختار عينة ممثلة من الشرائح، تشمل الحالات السلبية والإيجابية والضعيفة والتحضيرات الصعبة. يجب مقارنة ناتج AI مع قراءة بشرية موثقة، وتسجيل أسباب الاختلاف. كذلك يجب قياس أثره على زمن المراجعة وعدد الحالات التي احتاجت مراجعة ثانية، لأن الفائدة التشغيلية لا تظهر من الحساسية والنوعية وحدهما.
طبيب الباثولوجي هنا ليس مستخدماً نهائياً فقط. هو صاحب السؤال السريري وصاحب معيار القبول. إذا كانت الأداة جيدة في التقاط حالات واضحة لكنها تربك الفريق بكثرة إشارات كاذبة، فالمختبر لن يكسب وقتاً. وإذا كانت تقلل زمن البحث في الشرائح السلبية مع إبقاء الحالات المشكوك بها أمام المراجع، فقد تكون قيمتها العملية أكبر من رقم تسويقي لافت.
ما الذي يجب طلبه قبل شراء أو توسيع الاستخدام؟
قبل أن يلتزم المختبر بمنصة AI للـ parasitology، يحتاج الفريق إلى أسئلة بسيطة وصريحة. ما نوع العينات التي دربت عليها الأداة؟ هل تقبل اختلافات التحضير المحلية؟ كيف تتعامل مع artefacts؟ هل تحفظ كل منطقة اقترحها النظام؟ ما آلية الاعتراض والتصحيح؟ هل يستطيع المختبر استخراج audit trail عند المراجعة الداخلية أو عند حدوث اختلاف؟
هناك سؤال آخر يتعلق بالاندماج مع العمل اليومي. إذا احتاج المستخدم إلى فتح منصة منفصلة، وإدخال بيانات الحالة يدوياً، ثم نقل النتيجة إلى LIS بيده، فقد تصبح الأداة عبئاً. أما إذا كانت ضمن مسار WSI واضح، وترتبط ببيانات العينة، وتعرض ناتجها في مكان المراجعة نفسه، ففرصة قبولها داخل المختبر أعلى بكثير.
يجب أيضاً تحديد من يملك مسؤولية الصيانة. AI في المختبر ليس جهازاً يثبت ثم ينسى. تتغير أنواع العينات، وتتغير جودة التحضير، وقد يتغير scanner أو بروتوكول العمل. كل هذه العوامل قد تؤثر على أداء النموذج. لذلك يحتاج المختبر إلى متابعة دورية: عينات تحقق، مراجعة للأخطاء، وتحديث لسياسة الاستخدام عند تغير المسار.
القراءة الأهم للخبر
قصة M Health Fairview مع Techcyte تعطي مثالاً على اتجاه واضح: AI في الباثولوجي لن يبقى محصوراً في الأورام وقياسات IHC. الأدوات ستدخل مجالات أصغر ظاهرياً، لكنها مرهقة تشغيلياً، مثل parasitology. هذا قد يكون مفيداً إذا دخل بطريقة تحترم مسار المختبر ولا تتجاوز دور الإنسان.
بالنسبة لطبيب الباثولوجي، السؤال العملي هو كيف نحول AI من إعلان إلى إجراء قابل للمراجعة. يبدأ ذلك بتحديد مكانه في workflow، ثم ربطه بالـ LIS أو نظام إدارة الصور، ثم اختبار أثره محلياً، ثم كتابة سياسة واضحة لمن يراجع، ومن يوقع، ومتى يجب تجاهل اقتراح النظام.
إذا تم ذلك، يمكن لأدوات parasitology الرقمية أن تساعد المختبر في الفرز والمراجعة وضبط الجودة. وإذا دخلت بلا تحقق وبلا تكامل وبلا مسؤولية واضحة، ستضيف طبقة جديدة من العمل على فريق مزدحم أصلاً. الفرق بين الحالتين لا تصنعه الخوارزمية وحدها. يصنعه تصميم المسار الذي يعمل داخله طبيب الباثولوجي.
المصدر: Pathology News